3小时前 最新进展！浙大团队T-RO研究成果，磁控微型机器人实现复杂环境中的“凌波微步”

出品：机器人大讲堂

在宏观机器人领域，自动驾驶系统可以依赖大算力直接处理高维的激光雷达或连续图像流。但在微纳尺度下（如在细胞培养皿中），由于系统资源的严苛限制，微型机器人的自主导航长期面临两大底层技术瓶颈：一是缺乏直观、高效的观测表征（Observation Representation），直接使用原始视觉图像作为输入会导致数据维度过高、策略极难收敛；二是面对具有非平稳、随机运动模式的复杂生物障碍物，现有控制架构缺乏能够有效提取时空特征（Spatial-Temporal Features）的神经网络，导致机器人无法建立对环境动态演化趋势的预测能力。

近日，针对上述挑战，浙江大学研究团队提出了一种全新的 STTRL-DVO 强化学习框架，通过构建高效的虚拟雷达观测表征，并引入具备时空建模能力的 Transformer 架构，赋予了微型机器人预测性避障与动态追踪的“全知大脑”，在极其混乱、拥挤的动态环境中实现了高鲁棒性的自主导航，研究成果在机器人领域顶级期刊《IEEE Transactions on Robotics》（T-RO）上发表。

本项研究由浙江大学智能生物产业装备创新团队机器人微纳操作实验室主导完成，合作单位为德国慕尼黑工业大学，论文通讯作者为浙江大学“百人计划”研究员周鸣川，机器人微纳操作实验室博士生王芳豪为第一作者与本科生陈炳宏为论文共同第一作者。论文链接：https://ieeexplore.ieee.org/document/11554436

01.

给微型机器人装上“虚拟雷达”

既然无法在微型机器人身上安装传感器，如何让它们感知世界？研究团队另辟蹊径，巧妙设计了一套“虚拟雷达（Virtual LiDAR）”观测机制。系统利用顶部的全局视觉，实时精准捕捉微型机器人、目标以及周围障碍物（如活体生物）的几何位置和轮廓。随后，系统在后台进行高效的数学运算，将这些宏观几何关系转化为以机器人为中心的“虚拟 LiDAR”扫描射线。这种设计直接剥离了原始图像中高维度、易干扰的冗余特征，将复杂的环境信息降维成极其精简的雷达扫描数据。这不仅显著降低了强化学习算法的认知负荷，还赋予了模型对视觉检测误差强宽容度。

02.

“时空记忆”与“确定性避障”的双剑合璧

如果说虚拟雷达是“眼睛”，那么核心算法就是微型机器人的“大脑”。研究团队开发了包含两大核心创新的智能算法：

时空 Transformer 强化学习（STTRL）：传统的控制策略往往只看眼前的这一秒，而团队引入的 Transformer 架构能够处理长达数个时间步的历史雷达扫描序列。这意味着机器人拥有了“时空记忆”，它不仅知道障碍物此刻在哪，还能敏锐地捕捉到它们的运动轨迹，从而预判未来，实现预测性避障。

确定性速度障碍（DVO）引导：在强化学习的训练中，机器人的试错成本极高。为此，团队提出了一种创新性的DVO奖励模块充当“教练”。与传统速度障碍（VO）方法依赖低效的随机采样不同，DVO能够通过严谨的解析几何算法，直接计算出一个绝对无碰撞且指向目标的“最优确定性方向”。实验数据显示，DVO算法的计算速度比传统方法快了13.45 倍，且大大提升了强化学习策略的收敛速度和质量。

03.

Sim2Real跨越现实鸿沟

要把仿真中训练的导航策略放进现实世界，常常会遭遇水土不服。为了让机器人直接实现零样本（Zero-shot）部署，在仿真阶段，团队采用了“课程学习（Curriculum Learning）”策略：先让机器人在动态障碍物中追踪一个静态的目标练手，等熟练后再让目标跑起来，有效防止了算法在超高难度任务中崩溃，同时极大地加速了RL策略的收敛。此外团队在仿真器中精准标定了电磁系统的真实物理参数，并特意注入了各类感知噪声（域随机化）。这让机器人在虚拟世界里就提前适应了真实世界的复杂扰动。

04.

终极测试：与斑马鱼和涡虫“共舞”

检验真理的唯一标准是真实环境测试。在标准测试中，该算法展现出了显著的优势，追踪成功率高达 89.8%，超越了现有的最优（SOTA）基线算法7.4%。在于活体生物实验。研究人员在液态环境中放入了两种“不守规矩”的生物作为真实障碍物，测验导航策略的智能性：

1.斑马鱼幼体：游动速度极快，且经常发生不可预测的急转弯。

2.涡虫：身体极其柔软，游动时不断发生巨大的形变。

面对这些在形状、速度、轨迹上都难以建模的“不速之客”，STTRL-DVO 算法展现出了极强的鲁棒性。无需进行任何真实数据的微调，微型机器人都能够穿梭在活体生物之间，一次次成功抵达动态目标终点。

05.

迈向微观世界的自动驾驶

该研究证明通过“关键信息表征（虚拟雷达）+时空融合提取+先验引导（DVO）”的底层逻辑，微型机器人完全有能力在高度混乱、不可预知的生物流体环境中实现高鲁棒性的“自动驾驶”。这不仅为未来微型机器人在生物育种、单细胞操控及靶向递送等前沿生命科学应用扫清了导航层面的障碍，也为光控、声控等其他所有多模态微尺度控制系统提供了一套启发性的通用智能导航范式。